买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜贵州财经大学申请的专利基于深度学习的知识图谱构建及智能问答方法和装置获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119691135B 。

龙图腾网通过国家知识产权局官网在2025-05-02发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510199171.X，技术领域涉及：G06F16/3329；该发明授权基于深度学习的知识图谱构建及智能问答方法和装置是由邓明森;喻曦;汪杏雨;蒋合领;雷彬设计研发完成，并于2025-02-24向国家知识产权局提交的专利申请。

本基于深度学习的知识图谱构建及智能问答方法和装置在说明书摘要公布了：本发明提供一种基于深度学习的知识图谱构建及智能问答方法和装置。该方法包括；获取目标文本数据；对目标文本数据进行信息提取，生成实体关系数据，所述实体关系数据包括关键数据、实体数据以及用于指示实体之间的关系的关系数据；根据实体关系数据，将目标文本数据导入图数据库，形成知识图谱；获取所输入的问题语句；利用问句分类模型对问题语句进行分类，确定问题语句中的问句特征，问句特征包括问句类型和问句实体数据；在知识图谱中检索与问句特征相匹配的文本数据，作为问题语句的答案数据。本发明提高了公开文本信息检索效率，提高了智能问答的准确度。

本发明授权基于深度学习的知识图谱构建及智能问答方法和装置在权利要求书中公布了：1.一种基于深度学习的知识图谱构建及智能问答方法，其特征在于，包括以下步骤：获取目标文本数据；对所述目标文本数据进行信息提取，生成实体关系数据，所述实体关系数据包括关键数据、实体数据以及用于指示实体之间的关系的关系数据；根据所述实体关系数据，将所述目标文本数据导入预设的图数据库，形成知识图谱；获取所输入的问题语句；利用预先建立的问句分类模型对所述问题语句进行分类，确定所述问题语句中的问句特征，所述问句特征包括问句类型和问句实体数据；在所述知识图谱中检索与所述问句特征相匹配的文本数据，作为所述问题语句的答案数据；所述根据所述实体关系数据，将所述目标文本数据导入预设的图数据库，形成知识图谱，包括：根据图谱节点的节点类型和关系类型，针对节点类型符合预设的重要节点条件的节点配置第一掩码比例，针对节点类型符合预设的辅助节点条件的节点配置第二掩码比例，以形成掩码数据，其中，所述第一掩码比例低于所述第二掩码比例；结合预设的多任务学习机制，利用所述掩码数据对预先建立的编码器-解码器结构进行预训练，其中，所述编码器-解码器结构包含第三编码器和解码器，所述第三编码器用于指示将所述知识图谱所指示的异构图数据转换为特征向量，所述解码器用于指示将所述特征向量重建图结构；基于预训练后的编码器-解码器结构，构建分类器；利用所述特征向量以及由当前的任务需求确定的任务特征向量，对所述分类器进行训练，使得利用训练后的分类器优化所述知识图谱；其中，对所述目标文本数据进行信息提取，生成实体关系数据过程中，采用多层级的信息提取架构：在第一层级，通过深度学习模型提取文本的关键数据；在第二层级，聚焦于实体数据的识别和提取；在第三层级，着重于关系数据的抽取；整个信息提取过程是一个递进的过程，每个层级的输出作为下一层级的输入或辅助信息；其中，利用训练数据对第二编码器进行训练，得到关系抽取模型，该第二编码器采用基于BERT的编码器结构，引入了设计：实体位置感知机制：在输入层加入实体位置编码；多任务学习框架：同时进行关系分类和关系有效性判断；对抗训练策略：提高模型的鲁棒性；注意力机制：重点关注实体间的上下文信息。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人贵州财经大学，其通讯地址为：550000 贵州省贵阳市花溪大学城；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。